Java 字符串 split 的一个反直觉陷阱

最近生产环境遇到一个奇怪的数组下标越界报错，如下图代码所示，我们可以肯定的是 fieldName 变量不为空（不是空字符串，也不是 null），但是代码执行到读取 names[0] 变量的时候，抛出了一个 数组下标越界 （java.lang.ArrayIndexOutOfBoundsException） 的异常。

异常信息如下图所示

问题很简单，我们对一个字符串执行 split 方法之后，以过往其它编程语言（Go、PHP、Javascript、Dart 等）的使用经验来看，即使字符串为空，即使没有匹配到分隔符，在返回值数组中也会包含一个当前字符串的值。但是这里却抛出了 ArrayIndexOutOfBoundsException，难道 split 方法的返回值可能为空数组？

最终经过排查发现，在上述代码段中，当 fieldName 的值为 "~" 的时候，我们访问 names[0] 就会抛出 ArrayIndexOutOfBoundsException，为什么会这样呢？

本文将会持续修正和更新，最新内容请参考我的 GITHUB (opens in a new tab) 上的 程序猿成长计划 (opens in a new tab) 项目，欢迎 Star，更多精彩内容请 follow me (opens in a new tab)。

问题

在 Java 中，如果执行下面这段代码，直觉上你认为会输出什么？

String str = "~";
String []arr = str.split("~");
 
System.out.println(arr.length);

如果你有其他编程语言的经验，可能直觉上会觉得这里输出的应该是 2，但是遗憾的是，这里输出的是 0，变量 arr 是个空数组。

这里不禁怀疑自己之前的记忆是不是有偏差，于是我又使用其它语言来尝试复现这个问题。

不同语言中 split 的行为

我总结了一个表格，说明了不用语言不同的行为，这里对比的是执行 split 函数/方法后返回数组的长度：

Javascript

首先是 Javascript，在浏览器的控制台上直接执行，得到了下面的结果

"".split("")
"~".split("~")
"~~".split("~")
"".split("~")
"~123".split("~")

执行结果

跟我的直觉是一致的，同样的情况，这里返回的是 2。

PHP

在 PHP 中，我使用了 mb_split 函数，该函数用于对多字节字符串进行分割

执行结果如下

执行结果跟我的直觉也是一致的，同样的情况，这里返回的是 2。

Dart

然后是 Google 的 Dart，这是一门主要用于使用 Flutter 来开发跨平台应用的编程语言，代码如下

void main() {
    print("".split('').length); // 0
    print("~".split('~').length); // 2
    print("~~".split('~').length); // 3
    print("".split('~').length); // 1
    print("~123".split('~').length); // 2
}

执行结果

同样，"~".split("~") 也是返回了两个值。

Golang

在 Golang 中，执行结果依旧是符合直觉的，返回的是 2。

package main
 
import(
    "strings"
    "fmt"
)
 
func main() {
    printStrs(strings.Split("", "")) // 0 []
    printStrs(strings.Split("~", "~")) // 2 ["", "", ]
    printStrs(strings.Split("~~", "~")) // 3 ["", "", "", ]
    printStrs(strings.Split("", "~")) // 1 ["", ]
    printStrs(strings.Split("~123", "~")) // 2 ["", "123", ]
}
 
func printStrs(s []string) {
    fmt.Print(len(s), " [")
    for _, item := range s {
        fmt.Printf(`"%s", `, item)
    }
 
    fmt.Print("]\n")
}

执行结果

Scala

然后，我又尝试了 Scala，发现在 Scala 中， split 的行为有些不一样了。

"".split("").length
"~".split("~").length
"~~".split("~").length
"".split("~").length
"~123".split("~").length

代码 "~".split("~") 返回的是 空数组，与在 Java 中我们遇到的问题如出一辙。

Java

最后，我又用 Java 执行了同样的代码

package example;
import org.junit.Test;
 
public class ExampleTest {
  @Test
  public void testSplit() {
    printStrings("".split("")); // 1 ["", ]
    printStrings("~".split("~")); // 0 []
    printStrings("~~".split("~")); // 0 []
    printStrings("".split("~")); // 1 ["", ]
    printStrings("~123".split("~")); // 2 ["", "123", ]
  }
  
  private void printStrings(String[] strings) {
    System.out.print(strings.length + " [");
    for (String str : strings) {
      System.out.printf("\"%s\", ", str);
    }
    System.out.println("]");
  }
}

执行结果

结果与 Scala 是一致的，同时也解释了为什么我们会遇到 ArrayIndexOutOfBoundsException 的问题。

原因

翻阅了 Java 的 API 文档，发现原来 Java 中的 split 方法确实跟其它语言是不一样的，这一点我们特别容易忽略

如果分隔符表达式与字符串不匹配，则返回原始字符串作为数组的唯一值，这也就解释了

"".split("") // 1 [""]
"".split("~") // 1 [""]

如果分隔符表单式与字符串的开始字符就已经匹配了，则返回值中第一个元素会被设置为 ""

"~123".split("~") // 2 ["", "123"]

如果 limit 参数为 0，也就是 split(String regex) 方法，则匹配结果末尾的所有空字符串 "" 都会被丢弃，也就解释了下面两段代码

"~".split("~") // 0 []
"~~".split("~") // 0 []

然后我又翻阅了 Scala 的官方文档，Scala 和 Java 的行为是一致的。

总结

在 Java 中使用字符串的 split 方法，一般情况下的行为是和其他编程语言是一致的，但在一些边界条件下，也有一些不一致的地方，这一点是我们应该注意的，这也提醒了我们，不要想当然的认为不同语言，同名函数（方法）的功能是完全一致的，当我们遇到一些奇奇怪怪的问题时，多看官方文档才是硬道理。

本文将会持续修正和更新，最新内容请参考我的 GITHUB (opens in a new tab) 上的 程序猿成长计划 (opens in a new tab) 项目，欢迎 Star，更多精彩内容请 follow me (opens in a new tab)。